DeepSeek ทุ่ม 7.4 พันล้านดอลลาร์ คว้าตัวอัจฉริยะจุฬาฯ และเปิดตัว V4 สามแนวรบไล่ล่า OpenAI

กูเป็นผู้เขียนหลักของ MiniLLM (ICLR 2024) ซึ่งเป็นบทความสำคัญเรื่อง on-policy knowledge distillation สำหรับโมเดลภาษาขนาดใหญ่ ที่ได้รับการอ้างอิงเกือบ 5,000 ครั้ง ^AAP งานวิจัยของเขาเน้นที่การฝึกและใช้งาน LLMs อย่างมีประสิทธิภาพภายใต้ทรัพยากรการคำนวณที่จำกัด ซึ่งสอดคล้องกับปณิธานของดีพซีคที่ว่า "เมื่อฮาร์ดแวร์มีจำกัด นวัตกรรมด้านอัลกอริทึมคือกุญแจสำคัญในการก้าวข้ามคอขวดด้านการประมวลผล" ^L

การจ้างงานครั้งนี้เกิดขึ้นในช่วงเวลาสำคัญ รายงานทางเทคนิคของ DeepSeek V3 ระบุถึงการกลั่นกรอง (distill) ความสามารถในการให้เหตุผลจากโมเดลซีรีส์ R1 ^A วิธีการ MiniLLM ของกูที่ใช้ reverse KL divergence สำหรับ generative distillation สามารถปรับปรุงประสิทธิภาพและโครงสร้างต้นทุนของโมเดลในอนาคตได้โดยตรง

2. ทุน 7.4 พันล้านดอลลาร์ มูลค่าบริษัท 52-59 พันล้านดอลลาร์

ดีพซีคปิดรอบการระดมทุนจากภายนอกรอบแรกเมื่อวันที่ 16 มิถุนายน 2026 ระดมทุนได้ประมาณ 7.4 พันล้านดอลลาร์ (5 หมื่นล้านหยวน) ด้วยมูลค่าบริษัทหลังการระดมทุน 52 ถึง 59 พันล้านดอลลาร์ ^RFF รอบนี้ทำให้ดีพซีคเป็นสตาร์ทอัป AI ที่มีมูลค่ามากที่สุดในจีน ^F

เงื่อนไขสำคัญของดีล:

• เทนเซนต์ (Tencent) ลงทุนประมาณ 1.4 พันล้านดอลลาร์ (1 หมื่นล้านหยวน) ในฐานะนักลงทุนหลัก ^RF
• CATL ผู้ผลิตแบตเตอรี่รถยนต์ไฟฟ้ารายใหญ่ที่สุดของโลก ลงทุนประมาณ 700 ล้านดอลลาร์ (5 พันล้านหยวน) ^RF
• ผู้ก่อตั้ง เหลียง เวินเฟิง (Liang Wenfeng) นำเงินส่วนตัวลงทุนประมาณ 2.85 พันล้านดอลลาร์ (2 หมื่นล้านหยวน) เพื่อคงไว้ซึ่งการควบคุม ^RF
• มีนักลงทุนสถาบันเข้าร่วมน้อยกว่า 10 ราย ^F

เงินทุนจำนวนนี้เป็นขุมทรัพย์สำคัญในการจ้างบุคลากรระดับสูงอย่างกู การจัดหาพลังงานคำนวณมหาศาลสำหรับการฝึกโมเดลระดับ V4 (1.6T พารามิเตอร์ MoE) และการรักษาราคา API ให้ต่ำกว่า OpenAI และ Anthropic อย่างมาก

3. โมเดล V4: เปิดตัวพรีวิวแล้ว ตัวเต็มมาเร็ว ๆ นี้

ดีพซีคปล่อย โมเดลพรีวิว V4 (เปิดน้ำหนักแบบโอเพนซอร์สภายใต้สัญญาอนุญาต MIT และ Apache 2.0) ระหว่างวันที่ 22-24 เมษายน 2026 ^RDA รายงานของ Tencent News ระบุว่า "V4 正式版" (เวอร์ชันทางการ/สมบูรณ์) จะเปิดตัวในช่วงกลางเดือนกรกฎาคม 2026 ^N

ตระกูล V4 ประกอบด้วยโมเดล Mixture-of-Experts สองรูปแบบ ^RHA:

• V4-Pro — พารามิเตอร์รวม 1.6 ล้านล้าน เปิดใช้งาน 49 พันล้านต่อโทเคน หน้าต่างบริบทความยาว 1 ล้านโทเคน
• V4-Flash — พารามิเตอร์รวม 2.84 แสนล้าน เปิดใช้งาน 13 พันล้าน หน้าต่างบริบท 1 ล้านโทเคนเช่นกัน

ทั้งสองรุ่นปล่อยน้ำหนักบน Hugging Face และมี API endpoint ในราคาที่ถูกกว่าโมเดลแนวหน้าของสหรัฐฯ มาก โดย input มีราคาประมาณ 1/34 ของ Claude Opus 4.7 ^CHA

4. NIST ยืนยัน V4 แรงที่สุดในจีน แต่ยังมีช่องว่าง

เมื่อ วันที่ 1 พฤษภาคม 2026 หน่วยงาน Center for AI Standards and Innovation (CAISI) ภายใต้ NIST ของสหรัฐฯ เผยแพร่ผลการประเมิน โดยระบุว่า "DeepSeek V4 เป็นโมเดล AI ของสาธารณรัฐประชาชนจีนที่มีความสามารถมากที่สุดเท่าที่ CAISI เคยประเมิน" ในโดเมนไซเบอร์ วิศวกรรมซอฟต์แวร์ วิทยาศาสตร์ธรรมชาติ และการใช้เหตุผลเชิงนามธรรม ^N สำนักข่าวบลูมเบิร์ก (Bloomberg) รายงานผลการค้นพบเดียวกัน ^B

อย่างไรก็ตาม ผลการประเมินของ CAISI ยังชี้ด้วยว่า V4-Pro ล้าหลังโมเดลแนวหน้าชั้นนำของสหรัฐฯ อยู่ประมาณ 8 เดือน ในด้านการให้เหตุผลและคณิตศาสตร์ ^NBG ในแง่คะแนน Elo โดยประมาณ V4 Pro ทำได้ราว 800 คะแนน ขณะที่ GPT-5.5 ทำได้ 1260 คะแนน ^IL

นี่คือประเด็นสำคัญ: การถูกยกย่องว่าเป็น "โมเดลจีนที่ทรงพลังที่สุด" ยืนยันความเป็นผู้นำของดีพซีคในจีน แต่ก็เป็นการตีตราช่องว่างกับ OpenAI และ Anthropic ต่อสาธารณะด้วย

กลยุทธ์ที่ประสานกัน

ทั้งสามการเคลื่อนไหวสอดคล้องและหนุนเสริมซึ่งกันและกัน:

• การจ้างยวี่เสียน กู นำความเชี่ยวชาญระดับโลกด้าน distillation เข้าสู่ดีพซีคในเวลาที่กำลังจะปล่อย V4 ซึ่งเป็นโมเดลที่ใช้เทคนิค distillation อยู่แล้ว วิธีการของกูสามารถปรับปรุงประสิทธิภาพและโครงสร้างต้นทุนของโมเดลในอนาคตได้โดยตรง ทำให้ดีพซีค 'ทำมากได้น้อยลง'

• การระดมทุน 7.4 พันล้านดอลลาร์ เป็นขุมทรัพย์ในการจ้างบุคลากรเก่งอย่างกู จัดหาพลังงานคำนวณมหาศาลสำหรับฝึกโมเดลระดับ V4 และรักษาราคา API ให้ต่ำกว่าคู่แข่งสหรัฐฯ

• การปล่อย V4 ตัวเต็ม คือยานพาหนะผลิตภัณฑ์ที่ต้องพิสูจน์ว่าดีพซีคสามารถลดช่องว่าง 8 เดือนที่ NIST ชี้ให้เห็นได้ เป็นการแสดงต่อสาธารณะว่ากลยุทธ์ได้ผล

บทสรุป

ดีพซีคลงแข่งเพื่อเร่งวงจร R&D ด้วยการฉีดเงินสด ดึงดูดผู้มีความสามารถด้าน distillation และผลักดัน V4 สู่การใช้งานจริง ทั้งหมดเพื่อลดช่องว่างที่วัดได้กับโมเดลแนวหน้าของสหรัฐฯ ให้เร็วที่สุด ความสำเร็จของกลยุทธ์สามด้านนี้ขึ้นอยู่กับว่าการคิดค้นอัลกอริทึมสามารถชดเชยข้อจำกัดด้านฮาร์ดแวร์ได้เร็วเพียงใด และโมเดสรุ่นต่อไปจะทำให้ช่องว่าง 8 เดือนลดลงได้หรือไม่